嵌入式系統智能：一種方法論的方法

購買商店

嵌入式系統智能：一種方法論的方法

$774.00

馬上購買

內容描述

本書從方法論的角度提出了在嵌入式系統平台上實現智能的方法，針對在現實世界中具有不確定性、
非穩態和演進的環境中的嵌入式系統所面臨的基本問題，引入適應策略、主動和被動學習能力、
魯棒性能力、嵌入式和分佈式認知故障診斷系統的設計，以及用於評估嵌入式應用中的性能和約束滿意度的技術。
本書的重點是將給定問題形式化，提出解決問題*相關的策略，以及關於理論、方法、途徑“背後問題”的討論，
以便研究人員、從業者和學生學習、理解和完善智能背後的基本機制，以及如何將它們用於設計下一代嵌入式系統和嵌入式應用程序。

目錄大綱

譯者序
原書前言
縮略語
物理量與符號
章緒論1
1.1本書是如何組織的3
1.1.1從計量到數值數據3
1.1.2不確定性、信息和學習機制4
1.1.3隨機算法5
1.1.4魯棒性分析5
1.1.5嵌入式系統的情感認知機制6
1.1.6性能評估和可能近似正確的計算6
1.1.7嵌入式系統中的智能機制7
1.1.8非穩態和演進環境中的學習7
1.1.9故障診斷系統8
第2章從計量到數值數據9
2.1測量和測量值9
2.1.1測量鏈9
2.1.2測量過程建模12
2.1.3準確度13
2.1. 4精度14
2.1.5分辨率15
2.2數據表示的確定性與隨機性16
2.2.1確定性表示：無噪聲影響的數據16
2.2.2隨機性表示：有噪聲影響的數據17
2.2.3信噪比18
第3章不確定性、信息和學習機制19
3.1不確定性和擾動19
3.1.1從誤差到擾動19
3.1.2擾動19
3.2在數據表示層的擾動20
3.2.1自然數N：自然二進制20
3.2.2整數Z：二進制補碼22
3.2.3二進制補碼記數法22
3.2.4有理數Q和實數R23
3.3傳播的不確定性24
3.3.1線性函數25
3.3.2非線性函數28
3.4從模型級的數據和不確定性中學習29
3.4.1學習基礎：固有風險、近似風險和估計風險30
3.4.2偏移方差權衡34
3.4.3非線性回歸35
3.4.4線性回歸37
3.4.5線性時不變預測模型38
3.4.6應用級別的不確定性40
第4章隨機算法41
4.1計算複雜性42
4.1.1算法分析43
4.1.2P問題、NP完全問題、NP困難問題45
4.2蒙特卡洛方法46
4.2.1蒙特卡洛背後的思想47
4.2.2弱、強大數定律49
4.2.3一些收斂結果50
4.2.4維數災難和蒙特卡洛53
4.3樣本數量的界53
4.3.1伯努利界54
4.3.2切爾諾夫界55
4.3.3估計函數大值樣本的界59
4.4隨機算法介紹60
4.4.1算法驗證問題61
4.4.2大值估計問題
4.4.3期望估計問題67
4.4.4小（大）期望問題70
4.5控制採樣空間的統計量73
第5章魯棒性分析76
5.1問題形式化76
5.1.1魯棒性76
5.1.2計算流水平的魯棒性78
5.2小擾動魯棒性78
5.2.1評估小擾動在函數輸出中的影響79
5.2.2經驗風險水平的擾動79
5.2.3結構風險水平的擾動83
5.2.4魯棒性理論要點89
5.3大擾動的魯棒性91
5.3.1問題定義：以u(δθ)為例92
5.3.2隨機算法和魯棒性：以u(δθ)為例93
5.3.3大期望問題96
第6章嵌入式系統的情感認知機制100
6.1情感認知結構100
6.2自動和受控處理101
6.2.1自動處理101
6.2.2受控處理102
6.3神經情感系統的基本功能103
6.3.1杏仁體103
6.3.2長期記憶104
6.3.3基底神經節104
6.3.4外側前額葉和聯合皮層105
6.3.5前扣帶皮層105
6.3.6眶/腹側-內側前額葉皮層106
6.3.7海馬體106
情感和決策107
第7章性能評估和可能近似正確的計算108
7.1準確估計：品質因數108
7.1.1平方誤差109
7.1.2柯爾貝克-萊布勒110
7.1.3Lp範數和其他品質因數110
7.2可能近似正確的計算111
7.3性能驗證問題114
7.3.1性能滿意度問題114
7.3.2品質因數的期望問題116
7.3.3大性能問題117
7.3.4PACC問題117
7.3.5小（大）擾動期望問題118
7.4準確度估計：給定數據集的情況下118
7.4 .1問題形式化119
7.4.2自舉方法120
7.4.3小自舉包方法121
7.5認知處理和PACC122
7.6示例：嵌入式系統的準確度評估122
第8章嵌入式系統中的智能機制130
8.1電源電壓與處理器頻率層面的適應能力131
8.1.1在線DVFS132
8.1.2離線DVFS134
8.2自適應感知及其策略134
8.2.1分級感知技術136
8.2.2自適應採樣138
8.3能量獲取級別自適應141
8.3.1增量電導法145
8.3.2擾動和觀測法146
8.4時鐘同步智能算法147
8.4.1時鐘同步：框架149
8.4.2時鐘同步的統計方法150
8.4.3時鐘同步的自適應方法155
8.4.4時鐘同步的預測方法155
8.5定位和跟踪155
8.5.1基於RSS的定位156
8.5.2基於到達時間的定位159
8.5.3基於到達角的定位160
8.5.4基於到達頻率的方法160
8.6應用代碼級別的自適應161
8.6.1遠程參數-代碼可重編程性161
8.6.2遠程代碼可重編程性163
8.6. 3決策支持系統1
8.在線硬件可重編程性167
8.6.5應用：Rialba塔監測系統170
第9章非穩態和演進環境中的學習174
9.1被動學習和主動學習175
9.1.1被動學習175
9.1.2主動學習178
9.2變點方法183
9.2.1變點183
9.2.2集合差異性183
9.2.3變點公式184
9.2.4CPM中使用的測試統計信息185
9.2.5基本方案擴展186
9.3更改檢測測試187
9.3.1CUSUM CDT系列188
9.3.2置信區間CDT系列的交集190
9.3.3杏仁體-VM-PFC：H-CDT199
9.4即時學習框架199
9.4.1觀測模型200
9.4.2JIT分類器201
9.4.3漸進性概念漂移205
9.4.4漸進性概念漂移的JIT206
9.4.5杏仁體-VM-PFC-LPAC-ACC：JIT方法207
第10章故障診斷系統208
10.1基於模型的故障檢測和隔離210
10.2無模型故障檢測和隔離211
10.2.1FDS：傳感器級情況213
10.2.2FDS：傳感器-傳感器關係的變化217
10.2.3FDS：多傳感器案例221
10.3杏仁體和VM-PFC：多傳感器級FDS225
參考文獻226

作者介紹

張永輝
海南大學教授，博士生導師，信息科學技術學院副院長兼海南大學網教中心副主任（主持工作），中國電子學會不錯會員，
高等學校儀器類專業教學指導委員會協作委員，高等學校電子信息類專業教學指導委員會協作委員，
中國儀器儀表學會測量與控制專業委員會常務委員，海南省電子學會副理事長兼秘書長，
大學生電子設計競賽海南賽區組委會秘書長，海南省海洋通信與網絡工程技術研究中心副主任。